Towards Predictive Bridge Maintenance: Element Condition, Damage Size, and Repair Cost Estimation

Abstract

교량을 적절한 상태로 유지하기 위해, 관리자는 각 부재의 상태와 손상을 주기적으로 점검하고 예산 내에서 알맞은 유지보수 계획을 수립한다. 이 과정에서 공사 물량과 단가의 곱으로 정의되는 건설공사비 계산 방법을 고려할 때, 구체적으로 어떤 부재에서 얼마나 많은 손상에 대한 보수가 필요한지 아는 것은 중요하다. 그러나, 부재 손상의 양상은 공용년수, 제원, 최근 점검이력 등 교량의 특성에 따라 다양하게 나타나기 때문에, 유지보수가 수행될 미래 시점에서 보수가 필요한 손상의 크기와 보수비용을 확인하는 데에 어려움이 있다. 따라서, 교량 관리자에게 유지보수가 수행되는 특정 미래 시점에서의 세 가지 예측 정보(어떤 부재를 보수해야 하는지, 보수가 필요한 손상이 얼마나 있는지, 보수하는 데에 얼마의 비용이 드는지)를 제공하는 것은 필요하다. 이를 위해 다수의 연구에서는 교량유지관리시스템 데이터를 활용하여 교량의 향후 부재상태와 손상의 발생여부 및 심각도를 추정하고 향후 보수비용을 분석했다. 기존 연구의 성과에도 불구하고, 향후 예상되는 손상크기에 기반하여 정확한 보수비용을 추정하는 데에는 여전히 한계점이 존재한다. 이를 해결하기 위해, 본 연구는 교량 부재상태, 손상크기, 보수비용 추정에 기반하여 관리자에게 스마트 유지관리를 위한 예측 정보를 제공하고자 한다. 첫 째로, 교량정보, 환경정보, 점검기록을 활용하여 최적 알고리즘 선택 및 영향변수 도출에 기반한 최적의 교량 부재상태 추정모델을 개발한다. 둘 째로, 보수가 필요한 손상크기를 추정하기 위해 교량정보, 환경정보, 손상점검내역을 활용하여 분류모델과 회귀모델을 구축하고 비교한다. 셋 째로, 예상되는 손상에 대한 보수비용을 추정하기 위해 교량정보, 환경정보, 손상점검내역, 보수공사내역을 활용하여 보수 공법별 손상크기와 단가를 추정하는 방법을 제안한다. 제안된 방법론을 검증하기 위해 본 연구는 추정 가능한 정보의 유형 및 모델 성능 측면에서 기존 방법들과의 비교 분석을 수행했다. 검증 결과, 제안된 방법론은 스마트 교량 유지관리를 위해 필요한 세 가지 예측 정보를 구체적으로 제공할 수 있으며 보수비용을 더 정확하게 추정할 수 있음을 확인했다. 결론적으로, 본 논문은 교량의 스마트 유지관리를 위한 부재상태, 손상크기, 보수비용 추정 방법론을 제안했다. 특히, 본 연구는 교량 관리자의 유지보수 의사결정을 지원하기 위한 세 가지 예측 정보를 정의하고, 이러한 정보를 도출하기 위해 교량유지관리시스템 데이터에 잘 맞는 데이터 기반 접근법을 제안했다. 이는 교량의 스마트 유지관리 및 예방적 유지관리에 있어 구체적인 손상크기를 추정하고 공법별 손상크기와 단가를 활용해 향후 보수비용을 제공하는 것에 대한 선구적인 시도이다. 제안된 방법론은 교량 유지관리 실무에서 부재의 상태 저하와 손상을 사전에 파악하고 보수조치를 준비함으로써 교량을 적절한 상태로 유지하는 데에 도움을 줄 수 있다. 또한 교량 관리자에게 향후 발생할 수 있는 손상크기와 보수비용의 합리적인 범위를 제공하여 불필요한 보수공사나 과도한 보수비용을 제한하는 데에 활용될 수 있다. 궁극적으로 본 연구는 교량의 생애주기 비용 감소와 안전한 사회 구현에 기여할 것이다.

To maintain bridges in an appropriate condition, bridge managers in many countries periodically inspect the condition and damage on bridge elements and establish a proper maintenance plan (e.g., repair or rehabilitation) and annual repair works with a limited budget. In this process, it is essential to detect the repair-required damage size on each element as the construction cost calculation method is defined as the product of the quantity and unit cost. Bridge maintenance practices, however, have difficulty in identifying repair-required damage size on bridge elements at a future time when maintenance is to be performed and estimating repair costs based on the expected damage size. This is because condition and damage on bridge elements have a divergent phase over time since bridges have different characteristics, such as age, identification, and inspection history. Therefore, it is necessary to provide managers with three types of predictive information at a future time: where to undertake repair; how much repair-required damage there will be; and what the repair cost will be. It enables predictive bridge maintenance to maintain proper bridge condition by responding to future maintenance demands in advance. To do this, researchers have conducted data-driven studies using the bridge management system (BMS) data to estimate the future condition of bridge elements, identify the occurrence and severity of damage on each element, and analyze the future bridge repair costs at once. Despite the existing efforts, there are difficulties in anticipating the repair-required damage size and estimating the exact repair cost based on it; that is, it is still challenging to concretely determine the three types of predictive information. Therefore, the primary objective of this research presented in this dissertation is to provide bridge managers with predictive maintenance information based on element condition, damage size, and repair cost estimation. To accomplish this objective, first, an optimized model is developed to estimate the element condition based on the outstanding algorithm and the influential variables using bridge information, environmental information, and inspection records. Second, to estimate the repair-required damage size on bridge elements, this study develops and compares the regression and classification models using bridge information, environmental information, and inspection records, including damage details. Last, this study proposed the estimation method of repair costs for the expected damage according to damage size and unit cost by repair method using bridge information, environmental information, inspection records, and repair records. To validate the proposed methodology, the author implemented the experiment to conduct performance verification and demonstrate the superiority in providing predictive maintenance information by comparing with existing approaches. The results showed that the proposed methodology could provide three types of information about predictive maintenance and estimate bridge repair costs more specifically and accurately in line with the construction cost calculation method. The predictive information can be used as a basis for bridge managers to prepare details and costs for repair works and establish a reasonable repair plan, including repair methods, priorities, and budgets. In conclusion, this dissertation proposed the research methodology to enable predictive bridge maintenance based on element condition, damage size, and repair cost estimation. In particular, this research determined three specific types of information about predictive bridge maintenance based on the practical calculation method of repair costs. The author also scrutinized BMS data and determined data-driven approaches (e.g., an optimal algorithm and combination of variables) that fit the data to derive three specific types of information. To the best of the authors knowledge, this is a pioneering attempt to estimate specific damage size on bridge elements and identify future repair costs based on the estimated damage size and unit cost by repair method for predictive maintenance in the bridge management field. The developed methodology can assist in maintaining proper bridge condition by responding to future elements damage and repair costs in advance. In addition, bridge managers can obtain a reasonable range for damage size and repair costs that may occur on elements in the future. It can help restrict unnecessary repair activities or exorbitantly high repair costs in bridge maintenance practices. Eventually, this research contributes to reducing bridge life-cycle costs and making society safer by preventing bridge safety accidents.